Home » n. 30 ottobre 2004

Pragmatica della comunicazione in sistemi di eLearning

30 ottobre 2004 | Sabina Bordiga, Luigi Colazzo, Francesco Magagnino, Andrea Molinari Università di Trento Dipartimento di Informatica e Studi aziendali francesco.magagnino@ewave.it amolinar@economia.unitn.it bordsab_2@yahoo.it colazzo@economia.unitn.it

Abstract

Questo contributo descrive un esperimento in corso presso il nostro dipartimento che ha l’obiettivo di verificare se è possibile migliorare l’adattività di un sistema di e Learning attraverso modelli pragmatici della interazione uomo macchina. Si presentano alcune considerazioni preliminari sul problema, una sintesi del modello teorico di riferimento, una sintetica descrizione del banco di prova e alcuni risultati preliminari ottenuti durante la messa a punto delle applicazioni software usate durante la sperimentazione

Premessa
In un sistema di e-Learning la relazione tra coloro che insegnano e coloro che apprendono è mediata da un artefatto tecnologico. La sua natura può essere estremamente varia: una raccolta ipermediale di documenti, un forum di discussione, un sistema di blogging, una chat, una raccolta di materiali didattici, un insieme di servizi e magari tutte queste cose assieme in una qualche combinazione. In qualunque modo questo sistema sia stato assemblato, esso ha un comportamento spesso complesso. La natura di questo comportamento è ciò che caratterizza il sistema come sistema di e-Learning. Infatti, in ultima analisi, l’obiettivo del sistema è appunto quello di favorire i processi di apprendimento. Sarebbe ovviamente molto utile in questo contesto, se un sistema potesse adattarsi alla situazione specifica di apprendimento di ogni singolo studente. Infatti la letteratura sui sistemi adattivi e sugli approcci adattivi ai sistemi di eLearning è così numerosa che lo spazio di questo articolo non basterebbe a contenere tutte le citazioni bibliografiche pertinenti a questo riguardo. In massima parte questa letteratura si concentra sulla semantica e sulla sintassi delle azioni compiute dallo studente nel sistema e da esse, attraverso uno o più modelli di logica formale, deduce una strategia di azione. In realtà questo processo non è quasi mai totalmente personalizzato, ma mediato da una interpretazione del comportamento dei discenti (stereotipi). I risultati ottenuti con questi approcci però non sono chiaramente dimostrati ed esistono obiezioni fondate sulla loro efficacia didattica. Noi ipotizziamo che una interpretazione delle sole sintassi e semantica sia limitativo, poiché molte delle situazioni problematiche di apprendimento dipendono da fattori pragmatici.
Infatti si possono empiricamente constatare negli utenti di computer costanti comportamentali che sembrano indipendenti dalla sintassi e dalla semantica della interazione: l’utente cerca di adattare il sistema alle proprie abitudini, indipendentemente dal tipo di sintassi proposta dal software per esprimerle e dalla semantica del compito (scrivere un articolo scientifico, partecipare ad un gioco di ruolo, ecc.).
Noi ipotizziamo che le costanti comportamentali osservate empiricamente negli utenti di applicazioni software abbiano a che fare anche con interpretazioni pragmatiche della relazione che gli utenti hanno con il programma e attraverso il suo uso con gli obbiettivi della loro azione. Se così fosse, allora sarebbe possibile riconoscerle ed usarle per sviluppare meccanismi adattivi nei sistemi software.
In una situazione di e-learning lo studente si relaziona con una applicazione software, caratterizzata da cambiamenti di stato noti e limitati. A partire da questo, è possibile focalizzare tutto l’interesse sul modo in cui lo studente interagisce attraverso il computer. L’attenzione alla individualità del soggetto che apprende emerge con il costruttivismo, che ridimensiona la concezione ontologica della verità: la conoscenza è costruita nel “qui ed ora” della situazione sociale, non è una verità che è sufficiente trasmettere. Sulla base delle idee piagetiane, Von Foerster [1] sottolinea che è il soggetto a costruire la realtà attraverso la sua attività nel mondo: distinguere l’osservatore da ciò che è osservato non è dunque possibile, poiché osservatore e realtà osservata si definiscono in interazione reciproca.
In ambito costruttivista la conoscenza non coincide con la rappresentazione di una realtà esterna al soggetto, ma il risultato di una azione effettiva [2]. In questi termini, è determinante la posizione epistemologica di Bateson [3], per il quale tutta la conoscenza è il risultato di una costruzione della mente in una rete di relazioni. I concetti di riferimento al nostro lavoro sono rintracciabili nel pensiero di Bateson, nello specifico nelle idee per cui l’apprendimento:
- comporta processi di ristrutturazione e cambiamento;
- ha una natura relazionale (secondo Von Foerster tale relazionalità si esprime in primo luogo in ambito conversativo).
Quest’ultimo punto si esprime in un complesso sistema di relazioni tra il soggetto che apprende e:
- la situazione di apprendimento;
- ciò che sa (il suo rapporto con il sapere);
- gli artefatti usati durante il processo.

Ultimamente abbiamo focalizziamo l’attenzione sull’ultima di queste relazioni: cerchiamo di trovare un modello interpretativo che consenta di ricavare informazioni sulla relazione tra un soggetto che apprende e il comportamento del sistema che lo dovrebbe aiutare ad apprendere. La nostra speranza è che combinando informazioni sulla pragmatica dell’utente con informazioni sulla semantica del compito sia possibile ad un sistema di eLearning stabilire strategie che favoriscano l’efficacia dei processi di apprendimento.
In quest’ottica lo studente è parte attiva nella costruzione della conoscenza e le sue specifiche caratteristiche sono determinanti da considerare per un efficace intervento formativo [4]. Secondo alcuni autori [5], [6], [7], [8] l’individualità può essere rintracciata dalle costanti cognitive che influenzano i processi di apprendimento di ogni studente. Ad esempio, in [9], [10] si ipotizza che esistano stili di apprendimento/insegnamento personali che possono essere tracciati in uno spazio a quattro dimensioni definite da coppie di opposti (attivo/riflessivo, sensitivo/intuitivo, visuale/verbale, sequenziale/globale). La strategia formativa dovrebbe tener conto delle coordinate individuate per ogni studente, assicurando l’attrattiva per ciò che si sta insegnando ad ogni tipo di studente e aiutandolo a diventare consapevole delle proprie caratteristiche. L’uso di costanti descrittive del comportamento degli utenti per caratterizzarli e consentire ai sistemi di personalizzare il proprio comportamento sulle necessità degli utenti è la premessa degli studi sulla adattività delle applicazioni Web [11].

1 Pragmatica e l’interazione uomo-computer
Negli studi sulle relazioni interpersonali è noto che la comunicazione si caratterizza, oltre che per gli aspetti sintattici e semantici, anche per l’aspetto pragmatico, vale a dire l’influenza che i soggetti partecipanti subiscono reciprocamente [12]. Seguendo tale tripartizione della comunicazione (1), al variare delle componenti sintattiche e semantiche ciò che non varia è la componente pragmatica.
Secondo la teoria della Scuola di Palo Alto, ogni soggetto interpreta pragmaticamente la sintassi e la semantica dell’interazione, e l’interpretazione pragmatica prevalente definisce uno stile relazionale del soggetto, risultante dalla storia dei processi di interazione con le persone di riferimento [12].
Nella descrizione della relazione tra due soggetti interagenti (A e B) è opportuno tener presente che la relazione di cui stiamo discutendo è lo sviluppo dinamico di due interpretazioni distinte. Nel caso di due soggetti umani, le descrizioni sono dedotte entrambe dalla osservazione dei loro comportamenti, mentre la relazione tra un utente e un sistema software è una situazione più semplice. Infatti, l’interpretazione della relazione con un utente che un sistema software possiede è perfettamente specificata dal suo automa a stati finiti. La sua descrizione formale costituisce il Pragmatic System Model (PSM). La descrizione dell’interpretazione della relazione che l’utente ha con il sistema deve essere invece ricavata dalla osservazione dei comportamenti dell’utente. La descrizione formale di questa interpretazione costituisce un Pragmatic User Model (PUM).

Per costruire PSM del sistema e il PUM di un soggetto occorre un modello teorico che interpreti i comportamenti dei due attori e abbia le caratteristiche di:
A) descrivere in una formulazione uniforme sia il PSM di uno specifico sistema software, sia il PUM di un soggetto umano.
B) rendere possibile ottenere la descrizione formale del PUM ricavandola dal comportamento reale che l’utente ha con il sistema.
C) essere predittivo, ovvero deve essere capace di prevedere gli effetti che un cambiamento del comportamento di uno dei due attori della relazione ha sul comportamento dell’altro.
D) permettere al sistema di “adattarsi” alla relazione manifestata dall’utente, ovvero suggerire al sistema un cambiamento comportamentale prevedendo che esso avrà un effetto pragmaticamente positivo nella relazione.
E) non avere alcun pregiudizio interpretativo nascosto sul comportamento razionale dell’utente. Solitamente i costruttori di sistemi software attribuiscono agli utenti degli scopi di azione che ritengono razionali, ma gli utenti di computer non sono esclusivamente e necessariamente razionali.

Negli esperimenti preparatori oggetto di questo lavoro stiamo adottando il modello teorico proposto in [13], [14], noto come Elementary Pragmatic Model (EPM). Il modello sembra soddisfare tutte cinque le caratteristiche sopra delineate.

2 Il modello elementare pragmatico
Il modello pragmatico elementare semplifica l’interazione comunicativa tra due soggetti in una tripletta di proposizioni: proposta di uno dei soggetti, risposta dell’altro soggetto, risultato dello scambio. La semantica non conta in questi termini: che una persona chieda di andare a mangiare una pizza o di verbalizzare una frase in un consiglio di amministrazione, la sua azione comunicativa ha il significato pragmatico di una proposta (2)
EPM isola un intervallo temporale attribuendo un valore binario ad ogni proposizione. Ad esempio, nel caso di un consiglio di amministrazione, alla richiesta di mettere a verbale una frase viene dato valore 1, alla risposta del consiglio di non volerlo fare viene dato valore diverso (0) e al risultato dell’interazione (la frase non viene verbalizzata) viene assegnato il valore che differisce da quello della proposta (0). Per il modello lo stato del soggetto è determinato dal suo mondo, ovvero un insieme finito ma indeterminato di proposizioni e da un meccanismo di cambiamento proprio del soggetto osservato che il modello ipotizza possa essere ricavato dall’osservazione delle sue interazioni. Per ricavare una descrizione quantitativa del meccanismo, il modello usa le osservazioni su una sequenza di interazioni elementari, ricavandone la frequenza osservata per ogni possibile tripla e usandola come stima della probabilità di comparsa di quattro coordinate della interazione.
A queste coordinate è data una interpretazione pragmatica:

P(<0, 0, 1>) (Antifunzione). Alla proposta di uno dei soggetti (0), l’altro partecipante risponde accettandolo (0), ma il risultato dell’interazione è qualcosa di diverso da ciò che è stato scambiato nell’interazione corrente (1).
P(<0, 1, 1>) (Consenso). Alla proposta di uno dei soggetti (0) l’altro individuo risponde con una nuova proposta (1), e il risultato dello scambio è il consenso di entrambi sulla nuova proposta (1).
P(<1, 0, 1>) (Mantenimento). Alla proposta di uno dei soggetti (1) il soggetto che risponde non accetta (0), ma il risultato è il mantenimento della proposta iniziale (1).
P(<1, 1, 1>) (Cooperazione). La proposta di uno dei soggetti (1) viene accettata dall’altro partecipante (1) diventando il risultato dello scambio (1).

Delle coordinate nei lavori degli autori del modello viene fornita una rappresentazione esemplificativa in termini di diagrammi di Ven


Figura 1 L’interpretazione delle quattro coordinate come diagrammi di Ven
(rielaborazione grafica degli autori dalla bibliografia di EPM)

Le coordinate sono indipendenti tra loro, mentre nelle relazioni interpersonali esse sono sempre presenti: le costanti comportamentali di un soggetto, dunque, non possono essere stimate solo dalle coordinate. Queste ultime, tuttavia, possono essere usate per ricavare uno stile relazionale del soggetto in termini di probabilità del soggetto di usare una delle sedici funzioni booleane in due valori, calcolabili usando il principio di massima informazione. A queste sedici funzioni del modello è data negli studi degli autori di EPM una interpretazione pragmatica riportata in figura 2. Nelle ipotesi degli autori ogni soggetto usa con minore o maggiore frequenza tutte sedici le funzioni, in modo tale che il diagramma della loro probabilità di utilizzo costituisce il pattern relazionale del soggetto
Conoscere lo stile di interazione di un soggetto ha valore predittivo perché consente di prevedere quale sia la funzione più adatta per interagire con quel soggetto. Il modo in cui una funzione cambia in interazione con un’altra, definendo il conseguente cambiamento del meccanismo dell’interazione, è rappresentato dagli autori di EPM dalla tavola detta dei paradossi contenuta nel modello.

Figura 2 La rappresentazione come diagrammi di Venn delle sedici funzioni di EPM
(Rielaborazione grafica degli autori dalla bibliografia di EPM)

L’EPM soddisfa tutte e cinque le caratteristiche che servono per interpretare l’interazione uomo-macchina:
- Il modello non presuppone che i soggetti interagenti siano esseri umani. Le descrizioni del PUM e del PSM possono essere formalmente simili (pattern di sedici funzioni). Questo soddisfa il requisito A.
- Il modello consente di interpretare e descrivere il comportamento reale dell’utente durante le sue interazioni con il sistema: noto il modello pragmatico del sistema (PSM), le azioni dell’utente sono elaborate fino ad ottenere il PUM. Questo soddisfa il requisito B.
- EPM è un modello predittivo: grazie alla tavola dei paradossi è possibile prevedere come cambia uno stile interattivo quando ne incontra un altro (Requisito C).
- Conoscere in anticipo lo stile risultante dall’incontro di due stili consentirebbe al sistema di adattarsi allo stile manifestato dall’utente: sulla base del pattern dell’utente il sistema può adeguarsi a tale stile in funzione di una risultante positiva. Questo in linea di principio soddisferebbe il requisito D.
- L’EPM è stato messo a punto sul finire degli anni ‘70 come modello applicativo per l’interpretazione di comportamenti psicopatologici. Per questa ragione e per la sua natura di modello fisico-matematico non prevede alcuna assunzione razionale riguardo al comportamento dei soggetti. Questo soddisfa il requisito E.
Nel recente passato l’uso del modello per interpretare la relazione tra utenti e siti Web è stata proposta in [15]. Ciò che ci riproponiamo ora è di sperimentare concretamente questo approccio.

3 Gli esperimenti in corso
Per verificare l’applicabilità del modello EPM alla comunicazione mediata da computer stiamo, in questi mesi, compiendo dei primi esperimenti preliminari.
In primo luogo abbiamo costruito un banco di prova composto da due semplici applicazioni Web: un forum di discussione e una applicazione generalizzata per la pubblicazione di pre print immaginandole come due servizi offerti in uno spazio virtuale dagli accessi controllati.
La costruzione di un PSM è stata relativamente semplice. Abbiamo utilizzato l’automa a stati finiti che descrive gli stati assumibili del software utilizzando il diagramma di progetto in Unified Model Language [16]. Ogni transazione è stata interpretata come un comportamento pragmatico del sistema.
Le regole di codifica sono le seguenti: (a) ogni richiesta dell’utente (esempio apri pagina di accesso) è codificata con uno; (b) ogni risposta conseguente del sistema è codificata ancora come un uno; (c) ogni rifiuto di una funzionalità da parte di un utente (abbandono di pagina ad esempio) è codificata con zero 0 e analogamente (c) anche ogni risposta negativa del sistema (tipo password errata) viene codificata con zero.
Si può ipotizzare che la prima interazione dell’utente sia una richiesta (codificata con un uno): è difficile che l’utente incominci con un rifiuto. Si possono presentare i quattro casi illustrati dalla teoria del EPM: Cooperation <111>, Antifunction <110>, Maintenance <101>, Acceptance <100>. In un software ben funzionante, utilizzato da un utente esperto, il risultato prevalente sarà la cooperazione e quindi un buon software usa molto interazioni del tipo <111> anche se in alcuni casi (informazioni mancanti, errori, guasti) potrebbe rispondere zero.
Il banco di prova registra sia le interazioni del sistema sia quelle di ogni singolo utente e fornisce dopo un sufficiente numero di interazioni i PUM degli utenti e il PSM dell’intero sistema
Il piano degli esperimenti prevede in primo luogo di verificare se i pattern di utenti reali siano veramente diversi gli uni dagli altri. Se questa eventualità fosse verificata, allora sarebbe necessario chiedersi se il pattern manifestato dall’utente è tipico della sua relazione con il software oppure se, come prevede EPM, gli umani possiedono un pattern pragmatico indipendente dalla semantica della conversazione. I due risultati avrebbero in ogni caso un significato determinante. Se EPM non fosse falsificato allora la questione diventerebbe: è possibile costruire degli stereotipi pragmatici? Ad un primo esame non sembra una questione intrattabile: uno stereotipo potrebbe essere definito come una condizione complessa su soglie di frequenza. Diversa questione è come uno stereotipo pragmatico possa condizionare il comportamento del sistema per indurre l’utente ad un uso efficace del sistema stesso. Se al contrario EPM fosse falsificato e tutti gli utenti esibissero un medesimo pattern di comportamento nei confronti del sistema allora questo potrebbe significare che il PSM è tale da non permettere agli utenti nessuna possibilità di esibire comportamenti diversificati. Se così fosse però EPM sarebbe un modo per fondare su basi quantitative e rigorose il concetto di usabilità di un sistema.
Dai primi esperimenti compiuti usando il banco di prova tra gli autori di questo lavoro con la collaborazione di alcuni colleghi sono emerse alcune prime risposte:
1. I pattern degli utenti sono effettivamente differenti
2. I pattern di utenti interessati all’utilizzo effettivo del sistema contengono valori significativi solo sulle prime otto funzioni del modello
3. I pattern degli utenti che erano interessati solo a scoprire i malfunzionamenti del banco di prova invece hanno solo valori sulle ultime otto funzioni
4. Il pattern del sistema presenta una anomalia dovuta al calcolo che richiederà una modifica del banco di prova. Nel procedimento di calcolo della frequenza di utilizzo delle 16 funzioni compare la quantità numero di triple <000>. Nelle relazioni tra umani questa possibilità si verifica quando due soggetti interagenti agiscono non agendo (in un approccio pragmatico la non azione è una azione). Si genera cioè una situazione in cui i due soggetti cooperano nel non agire. Una analoga situazione si genera anche nella interazione con un computer: se non fate nulla guardando una videata, il sistema non fa nulla neppure lui e il risultato è che non succede nulla. Questa situazione non era però stata codificata nel nostro banco di prova ne consegue N. <000> è uguale a 0 e questo a sua volta azzera la frequenza di molte funzioni. Da qui la forma del pattern di figura 3c. Si può immaginare di rilevare questa circostanza attraverso una reazione del sistema alla non azione da parte dell’utente, ad esempio facendo comparire un messaggio dopo un certo periodo di tempo e codificando con uno 0 il fatto che l’utente non abbia fatto nulla per l’intervallo di tempo di durata x. Il messaggio potrebbe avere la forma “Sistema non usato da x minuti vuoi continuare Sì No”. La risposta No produce la richiesta di uscire dal sistema. La risposta Sì lascia il sistema in attesa verificando la situazione di cooperazione nella non azione.

Figura 3a due pattern di soggetti differenti impegnati
nella esecuzione dei compiti previsti dal sistema

Figura 3b il pattern di un utente impegnato a scoprire
i malfunzionamenti del banco di prova

Figura 3c Il pattern relazionale del sistema

Si tratta ovviamente di risultati non significativi di cui non sarebbe corretto dare una interpretazione per cui ce ne asteniamo, ma essi ci sembrano incoraggiare il nostro tentativo.

Conclusioni e Ringraziamenti
In questo lavoro abbiamo proposto l’uso di sistemi software adattivi per favorire la relazione tra studente e applicazione e-learning: l’adattamento del sistema allo stile personale dello studente è un’opportunità per personalizzare l’intervento formativo aumentando le possibilità di cambiamento dello studente e di riflessione sul proprio stile comportamentale. Ringraziamo Riccardo Borsato, Francesco Conte, Sigrid Marchiori, e Fabio Mosna per essersi prestati a sperimentare il banco di prova in questa primissima fase di messa a punto

Note
(1) Sintassi, semantica e pragmatica sono distinte nella teoria, ma strettamente intrecciate nelle interazioni concrete.
(2) Allo stesso modo, la risposta (le persone coinvolte mi rispondono che anche loro hanno voglia di pizza, o il consiglio di amministrazione non intende verbalizzare la frase) e il risultato dello scambio (non si va a mangiare la pizza, la frase non viene verbalizzata) sono indipendenti dalla semantica.

Bibliografia
[1] H. von Foerster (1987): Sistemi che osservano. Astrolabio Roma
[2] H. Maturana and F. Valera (1985): Autopoiesi e cognizione. Marsilio Venezia
[3] G. Bateson (1984): Verso un’ecologia della mente. Adelphi Milano
[4] U. Morelli e C. Weber (1996): Passione e apprendimento. Formazione-intervento, teoria, metodo, esperienze. Raffaello Cortina Editore, Milano.
[5] W. B. Barbe, M. N. Milone (1981): What We Know About Modality Strengths. Educational Leadership, Feb. pp. 378-380.
[6] L. Corno, R. E. Snow (1986): Adapting Teaching to Individual Differences Among Learners. In M. Wittrock, Ed., Handbook of Research on Teaching. Macmillan, New York.
[7] R. Felder (1988): How Students Learn: Adapting Teaching Styles to Learning Styles. In Proc., Frontiers in Education Conference, ASEE/IEEE, Santa Barbara, CA, 1988, p. 489.
[8] G. Pask (1988): Learning Strategies, Teaching Strategies, and Conceptual or Learning Style. In Schmeck, R., Ed., Learning Strategies and Learning Styles, Plenum Press, New York.
[9] R. Felder (1993): Reaching the Second Tier: Learning and Teaching Styles in College Science Education. In J. College Science Teaching, 23(5), 286-290.
[10] L. Cardellini e R. Felder (1999): L’apprendimento cooperativo: un metodo per migliorare la preparazione e l’acquisizione di abilità cognitive negli studenti. La chimica nella scuola, 21 (1), 18-25.
[11] C. Foster (2000): The Personalization Chain. In Jupiter Communications, Site Operations, Vol. 3.
[12] P. Watzlawick, J. H. Beavin, D. D. Jackson (1971): Pragmatica della comunicazione umana. Astrolabio, Roma.
[13] E. Lefons, M. T. Pazienza, A. Silvestri, F. Tangorra, L. Corfiati, P. De Giacomo. An Algebraic Model for Systems of Psychically Interacting Subjects. In Proc. of I.F.A.C. Workshop, Compiègne, France, in “Information and Systems”, Oxford, Pergamon Press. 1977.
[14] A. Silvestri, P. De Giacomo, G. Pierri, E. Lefons, M. T. Pazienza, F. Tangorra. A Basic Model of Interacting Subjects. Cybernetics and Systems: An International Journal, 11, 113-127, 1980.
[15] Colazzo L., Mich L., Silvestri L., User Modelling in Didattic Application: a Pragmatic Approach. A cura di Geoff C., Toshio O., Louis G., Vol. 1, p. 232-235. Atti del convegno “ICCE’99 – 7th International Conferences on Computers in Education”, Chiba, Japan, November 4-7, 1999. URL : http://www.ai.is.uec.ac.jp/icce99 [16] J. Rumbaugh, I. Jacobson, G. Booch. The Unified Modeling Language Reference Manual. Addison-Wesley, 1998.


<< Indietro Avanti >>